`matplotlib.transforms`#

Matplotlib incluye un marco para transformaciones geométricas arbitrarias que se utiliza para determinar la posición final de todos los elementos dibujados en el lienzo.

Las transformaciones se componen en árboles de TransformNodeobjetos cuyo valor real depende de sus hijos. Cuando los contenidos de los niños cambian, sus padres se invalidan automáticamente. La próxima vez que se accede a una transformación invalidada, se vuelve a calcular para reflejar esos cambios. Este enfoque de invalidación/almacenamiento en caché evita recálculos innecesarios de transformaciones y contribuye a un mejor rendimiento interactivo.

Por ejemplo, aquí hay un gráfico del árbol de transformación utilizado para trazar datos en el gráfico:

El marco se puede utilizar para transformaciones afines y no afines. Sin embargo, por razones de velocidad, queremos usar los renderizadores de back-end para realizar transformaciones afines siempre que sea posible. Por lo tanto, es posible realizar solo la parte afín o no afín de una transformación en un conjunto de datos. Siempre se supone que el afín ocurre después del no afín. Para cualquier transformación:

full transform == non-affine part + affine part

No se espera que los backends manejen transformaciones no afines por sí mismos.

Consulte el tutorial Tutorial de transformaciones para ver ejemplos de cómo usar las transformaciones.

clase matplotlib.transforms. Affine2D ( matriz = Ninguno , ** kwargs ) [fuente] #

Bases:Affine2DBase

Una transformación afín 2D mutable.

Inicialice una transformación afín a partir de una matriz flotante numpy de 3x3:

a c e
b d f
0 0 1

Si matriz es Ninguno, inicialice con la transformación de identidad.

__init__ ( matriz = Ninguno , ** kwargs ) [fuente] #

Inicialice una transformación afín a partir de una matriz flotante numpy de 3x3:

a c e
b d f
0 0 1

Si matriz es Ninguno, inicialice con la transformación de identidad.

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

borrar ( ) [fuente] #: Restablezca la matriz subyacente a la transformación de identidad.

estático from_values ( a , b , c , d , e , f ) [fuente] #

Cree una nueva instancia de Affine2D a partir de los valores dados:

a c e
b d f
0 0 1

get_matrix ( ) [fuente] #

Obtenga la matriz de transformación subyacente como una matriz numérica de 3x3:

a c e
b d f
0 0 1

identidad estática ( ) [fuente] #

[ Obsoleto ] Devuelve un nuevo Affine2Dobjeto que es la transformación de identidad.

A menos que esta transformación se mute más adelante, considere usar la IdentityTransformclase más rápida en su lugar.

notas

En desuso desde la versión 3.6: utilice Affine2D() en su lugar.

rotar ( theta ) [fuente] #

Agregue una rotación (en radianes) a esta transformación en su lugar.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

rotar_alrededor ( x , y , theta ) [fuente] #

Agregue una rotación (en radianes) alrededor del punto (x, y) en su lugar.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

rotar_deg ( grados ) [fuente] #

Agregue una rotación (en grados) a esta transformación en su lugar.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

rotar_grados_alrededor ( x , y , grados ) [fuente] #

Agregue una rotación (en grados) alrededor del punto (x, y) en su lugar.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

escala ( sx , sy = Ninguno ) [fuente] #

Agregue una escala en su lugar.

Si sy es Ninguno, se aplica la misma escala en las direcciones x e y .

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

establecer ( otro ) [fuente] #: Establezca esta transformación a partir de la copia congelada de otro Affine2DBaseobjeto.

set_matrix ( mtx ) [fuente] #

Establezca la matriz de transformación subyacente de una matriz numpy de 3x3:

a c e
b d f
0 0 1

sesgar ( xShear , yShear ) [fuente] #

Agregue un sesgo en su lugar.

xShear y yShear son los ángulos de corte a lo largo de los ejes x e y , respectivamente, en radianes.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

skew_deg ( xShear , yShear ) [fuente] #

Agregue un sesgo en su lugar.

xShear y yShear son los ángulos de corte a lo largo de los ejes x e y , respectivamente, en grados.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

traducir ( tx , ty ) [fuente] #

Agregue una traducción en su lugar.

Devuelve self , por lo que este método se puede encadenar fácilmente con más llamadas a rotate(), rotate_deg()y .translate()scale()

clase matplotlib.transforms. Affine2DBase ( * argumentos , ** kwargs ) [fuente] #

Bases:AffineBase

La clase base de todas las transformaciones afines 2D.

Las transformaciones afines 2D se realizan utilizando una matriz numpy de 3x3:

a c e
b d f
0 0 1

Esta clase proporciona la interfaz de solo lectura. Para una transformación afín 2D mutable, use Affine2D.

Las subclases de esta clase generalmente solo necesitarán anular un constructor y get_matrix()eso genera una matriz personalizada de 3x3.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__módulo__ = 'matplotlib.transforma' #

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

tiene_inverso = Verdadero #: Verdadero si esta transformada tiene una transformada inversa correspondiente.

entrada_dims = 2 #: El número de dimensiones de entrada de esta transformación. Debe anularse (con números enteros) en la subclase.

invertida ( ) [fuente] #

Devuelve la transformación inversa correspondiente.

se sostienex == self.inverted().transform(self.transform(x))

El valor de retorno de este método debe tratarse como temporal. Una actualización a sí mismo no provoca una actualización correspondiente a su copia invertida.

la propiedad es_separable #

booleano(x) -> booleano

Devuelve True cuando el argumento x es verdadero, False en caso contrario. Los componentes True y False son las únicas dos instancias de la clase bool. La clase bool es una subclase de la clase int y no puede subclasificarse.

salida_dims = 2 #: El número de dimensiones de salida de esta transformación. Debe anularse (con números enteros) en la subclase.

a_valores ( ) [fuente] #: Devuelve los valores de la matriz como una tupla.(a, b, c, d, e, f)

transform_affine ( puntos ) [fuente] #

Aplique solo la parte afín de esta transformación en la matriz de valores dada.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente no es operativo. En transformaciones afines, esto es equivalente a transform(values).

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

clase matplotlib.transforms. AffineBase ( * argumentos , ** kwargs ) [fuente] #

Bases:Transform

La clase base de todas las transformaciones afines de cualquier número de dimensiones.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__array__ ( * argumentos , ** kwargs ) [fuente] #: Interfaz de matriz para llegar a la matriz afín de este Transform.

__eq__ ( otro ) [fuente] #: Devuelve self==value.

__hash__ = Ninguno #

__init__ ( * argumentos , ** kwargs ) [fuente] #

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__módulo__ = 'matplotlib.transforma' #

get_affine ( ) [fuente] #: Obtenga la parte afín de esta transformación.

es_afín = Verdadero #

transformar ( valores ) [fuente] #

Aplique esta transformación en la matriz de valores dada .

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_affine ( valores ) [fuente] #

Aplique solo la parte afín de esta transformación en la matriz de valores dada.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente no es operativo. En transformaciones afines, esto es equivalente a transform(values).

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_non_affine ( puntos ) [fuente] #

Aplique solo la parte no afín de esta transformación.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente es equivalente a transform(values). En transformaciones afines, esto siempre es un no-op.

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_path ( ruta ) [fuente] #

Aplique la transformación a la ruta , devolviendo una nueva .Path Path

En algunos casos, esta transformación puede insertar curvas en la ruta que comenzó como segmentos de línea.

transform_path_affine ( ruta ) [fuente] #

Aplique la parte afín de esta transformación a la ruta , devolviendo una nueva .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( ruta ) [fuente] #

Aplique la parte no afín de esta transformación a path , devolviendo un nuevo .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

clase matplotlib.transforms. AffineDeltaTransform ( transformar , ** kwargs ) [fuente] #

Bases:Affine2DBase

Un contenedor de transformación para transformar desplazamientos entre pares de puntos.

Esta clase está destinada a ser utilizada para transformar desplazamientos ("deltas de posición") entre pares de puntos (p. ej., como el offset_transform de Collections): dada una transformación ttal que , satisface .t = AffineDeltaTransform(t) + offsetAffineDeltaTransformAffineDeltaTransform(a - b) == AffineDeltaTransform(a) - AffineDeltaTransform(b)

Esto se implementa forzando a cero los componentes de compensación de la matriz de transformación.

Esta clase es experimental a partir de 3.3 y la API puede cambiar.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__init__ ( transformar , ** kwargs ) [fuente] #

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

clase matplotlib.transforms. Bbox ( puntos , ** kwargs ) [fuente] #

Bases:BboxBase

Un cuadro delimitador mutable.

Ejemplos

Crear a partir de límites conocidos

El constructor predeterminado toma los "puntos" de límite .[[xmin, ymin], [xmax, ymax]]

>>> Bbox([[1, 1], [3, 7]])
Bbox([[1.0, 1.0], [3.0, 7.0]])

Alternativamente, se puede crear un Bbox a partir de la matriz de puntos aplanados, las llamadas "extensiones"(xmin, ymin, xmax, ymax)

>>> Bbox.from_extents(1, 1, 3, 7)
Bbox([[1.0, 1.0], [3.0, 7.0]])

o desde los "límites" .(xmin, ymin, width, height)

>>> Bbox.from_bounds(1, 1, 2, 6)
Bbox([[1.0, 1.0], [3.0, 7.0]])

Crear a partir de colecciones de puntos

El objeto "vacío" para acumular Bboxs es el bbox nulo, que es un sustituto del conjunto vacío.

>>> Bbox.null()
Bbox([[inf, inf], [-inf, -inf]])

Agregar puntos al bbox nulo le dará el bbox de esos puntos.

>>> box = Bbox.null()
>>> box.update_from_data_xy([[1, 1]])
>>> box
Bbox([[1.0, 1.0], [1.0, 1.0]])
>>> box.update_from_data_xy([[2, 3], [3, 2]], ignore=False)
>>> box
Bbox([[1.0, 1.0], [3.0, 3.0]])

La configuración ignore=Truees equivalente a comenzar de nuevo desde un bbox nulo.

>>> box.update_from_data_xy([[1, 1]], ignore=True)
>>> box
Bbox([[1.0, 1.0], [1.0, 1.0]])

Advertencia

Se recomienda especificar siempre ignoreexplícitamente. De lo contrario, el valor predeterminado de ignorese puede cambiar en cualquier momento mediante un código con acceso a su Bbox, por ejemplo, utilizando el método ignore.

Propiedades del bbox ``null``

Nota

El comportamiento actual de Bbox.null()puede ser sorprendente, ya que no tiene todas las propiedades del "conjunto vacío" y, como tal, no se comporta como un objeto "cero" en el sentido matemático. Podemos cambiar eso en el futuro (con un período de obsolescencia).

El bbox nulo es la identidad de las intersecciones.

>>> Bbox.intersection(Bbox([[1, 1], [3, 7]]), Bbox.null())
Bbox([[1.0, 1.0], [3.0, 7.0]])

excepto consigo mismo, donde devuelve el espacio completo.

>>> Bbox.intersection(Bbox.null(), Bbox.null())
Bbox([[-inf, -inf], [inf, inf]])

Una unión que contiene nulo siempre devolverá el espacio completo (¡no el otro conjunto!)

>>> Bbox.union([Bbox([[0, 0], [0, 0]]), Bbox.null()])
Bbox([[-inf, -inf], [inf, inf]])

Parámetros :

puntos ndarray: Una matriz numpy de 2x2 de la forma .[[x0, y0], [x1, y1]]

__anotaciones__ = {} #

__format__ ( fmt ) [fuente] #: Formateador de objetos predeterminado.

__init__ ( puntos , ** kwargs ) [fuente] #

Parámetros :

puntos ndarray: Una matriz numpy de 2x2 de la forma .[[x0, y0], [x1, y1]]

__módulo__ = 'matplotlib.transforma' #

__repr__ ( ) [fuente] #: Devuelve repr(auto).

__str__ ( ) [fuente] #: Retorna str(auto).

límites de propiedad #: Devolver ( x0, y0, width, height).

estático from_bounds ( x0 , y0 , ancho , alto ) [fuente] #

Crea uno nuevo Bboxa partir de x0 , y0 , ancho y alto .

el ancho y la altura pueden ser negativos.

estático from_extents ( * args , minpos = Ninguno ) [fuente] #

Cree un nuevo Bbox desde la izquierda , la parte inferior , la derecha y la parte superior .

El eje y aumenta hacia arriba.

Parámetros :

izquierda, abajo, derecha, flotador superior: Las cuatro extensiones del cuadro delimitador.
minpos flotante o Ninguno: Si se proporciona, el Bbox tendrá un valor mínimo positivo establecido. Esto es útil cuando se trabaja con escalas logarítmicas y otras escalas donde los límites negativos dan como resultado errores de coma flotante.

congelado ( ) [fuente] #: La clase base para todo lo que participa en el árbol de transformación y necesita invalidar a sus padres o ser invalidado. Esto incluye clases que no son realmente transformaciones, como cuadros delimitadores, ya que algunas transformaciones dependen de cuadros delimitadores para calcular sus valores.

obtener_puntos ( ) [fuente] #: Obtenga los puntos del cuadro delimitador directamente como una matriz numérica de la forma: .[[x0, y0], [x1, y1]]

ignorar ( valor ) [fuente] #

Establezca si los límites existentes del cuadro deben ignorarse en las llamadas posteriores a update_from_data_xy().

valor booleano

Cuando True, las llamadas posteriores a update_from_data_xy() ignorarán los límites existentes de Bbox.
Cuando False, las llamadas posteriores a update_from_data_xy() incluirán los límites existentes de Bbox.

propiedad intervalox #

El par de coordenadas x que definen el cuadro delimitador.

No se garantiza que esto se ordene de izquierda a derecha.

propiedad intervalo #

El par de coordenadas y que definen el cuadro delimitador.

No se garantiza que esto se ordene de abajo hacia arriba.

propiedad minpos #

El valor mínimo positivo en ambas direcciones dentro del Bbox.

Esto es útil cuando se trabaja con escalas logarítmicas y otras escalas en las que los límites negativos dan como resultado errores de coma flotante, y se usará como la extensión mínima en lugar de p0 .

propiedad minposx #

El valor positivo mínimo en la dirección x dentro del Bbox.

Esto es útil cuando se trabaja con escalas logarítmicas y otras escalas en las que los límites negativos dan como resultado errores de punto flotante, y se usará como la extensión x mínima en lugar de x0 .

propiedad minposy #

El valor positivo mínimo en la dirección y dentro del Bbox.

Esto es útil cuando se trabaja con escalas logarítmicas y otras escalas en las que los límites negativos dan como resultado errores de coma flotante, y se usará como la extensión y mínima en lugar de y0 .

mutado ( ) [fuente] #: Devuelve si el bbox ha cambiado desde init.

mutadox ( ) [fuente] #: Devuelve si los límites x han cambiado desde init.

mutado ( ) [fuente] #: Devuelve si los límites y han cambiado desde init.

nulo estático ( ) [fuente] #: Cree un nulo nuevo Bboxde (inf, inf) a (-inf, -inf).

propiedad p0 #

El primer par de coordenadas ( x , y ) que definen el cuadro delimitador.

No se garantiza que sea la esquina inferior izquierda (para eso, use min).

propiedad p1 #

El segundo par de coordenadas ( x , y ) que definen el cuadro delimitador.

No se garantiza que esta sea la esquina superior derecha (para eso, use max).

establecer ( otro ) [fuente] #: Establezca este cuadro delimitador desde los límites "congelados" de otro Bbox.

set_points ( puntos ) [fuente] #: Establezca los puntos del cuadro delimitador directamente desde una matriz numérica de la forma: . No se realiza ninguna comprobación de errores, ya que este método es principalmente para uso interno.[[x0, y0], [x1, y1]]

unidad estática ( ) [fuente] #: Crea una nueva unidad Bboxde (0, 0) a (1, 1).

update_from_data_x ( x , ignorar = Ninguno ) [fuente] #

Actualice los límites x del Bboxbasado en los datos pasados. Después de la actualización, los límites tendrán un ancho positivo y x0 será el valor mínimo.

Parámetros :

x ndarray

Matriz de valores de x.

ignorar bool, opcional

Cuando True, ignore los límites existentes del Bbox.
Cuando False, incluya los límites existentes del Bbox.
Cuando None, use el último valor pasado a ignore().

update_from_data_xy ( xy , ignore = Ninguno , updatex = True , updatey = True ) [fuente] #

Actualice los límites de Bboxbasado en los datos pasados. Después de la actualización, los límites tendrán ancho y alto positivos ; x0 e y0 serán los valores mínimos.

Parámetros :

xy ndarray

Una matriz numpy de puntos 2D.

ignorar bool, opcional

Cuando True, ignore los límites existentes del Bbox.
Cuando False, incluya los límites existentes del Bbox.
Cuando None, use el último valor pasado a ignore().

updatex, update bool, predeterminado: Verdadero

Cuando True, actualice los valores x/y.

update_from_data_y ( y , ignorar = Ninguno ) [fuente] #

Actualice los límites y de la Bboxfunción en función de los datos pasados. Después de la actualización, los límites tendrán una altura positiva y y0 será el valor mínimo.

Parámetros :

y ndarray

Matriz de valores de y.

ignorar bool, opcional

Cuando True, ignore los límites existentes del Bbox.
Cuando False, incluya los límites existentes del Bbox.
Cuando None, use el último valor pasado a ignore().

update_from_path ( ruta , ignorar = Ninguno , actualizarx = Verdadero , actualizar = Verdadero ) [fuente] #

Actualice los límites de Bboxpara que contengan los vértices de la ruta proporcionada. Después de la actualización, los límites tendrán ancho y alto positivos ; x0 e y0 serán los valores mínimos.

Parámetros :

senderoPath

ignorar bool, opcional

when True, ignora los límites existentes del Bbox.
when False, incluya los límites existentes de Bbox.
when None, use el último valor pasado a ignore().

updatex, update bool, predeterminado: Verdadero

Cuando True, actualice los valores x/y.

propiedad x0 #

La primera del par de coordenadas x que definen el cuadro delimitador.

No se garantiza que sea menor que x1(para eso, use xmin).

propiedad x1 #

La segunda del par de coordenadas x que definen el cuadro delimitador.

No se garantiza que sea mayor que x0(para eso, use xmax).

propiedad y0 #

La primera del par de coordenadas y que definen el cuadro delimitador.

No se garantiza que sea menor que y1(para eso, use ymin).

propiedad y1 #

La segunda del par de coordenadas y que definen el cuadro delimitador.

No se garantiza que sea mayor que y0(para eso, use ymax).

clase matplotlib.transforms. BboxBase ( nombre_abreviado = Ninguno ) [fuente] #

Bases:TransformNode

La clase base de todos los cuadros delimitadores.

Esta clase es inmutable; Bboxes una subclase mutable.

La representación canónica es como dos puntos, sin restricciones en su ordenación. Se proporcionan propiedades de conveniencia para obtener los bordes izquierdo, inferior, derecho y superior, así como el ancho y el alto, pero no se almacenan explícitamente.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__array__ ( * argumentos , ** kwargs ) [fuente] #

__módulo__ = 'matplotlib.transforma' #

anclado ( c , contenedor = Ninguno ) [fuente] #

Devuelve una copia de Bboxanclado a c dentro del contenedor .

Parámetros :

c (flotante, flotante) o {'C', 'SW', 'S', 'SE', 'E', 'NE', ...}: Ya sea un par ( x , y ) de coordenadas relativas (0 es izquierda o inferior, 1 es derecha o superior), 'C' (centro), o una dirección cardinal ('SW', suroeste, es inferior izquierda, etc.) .
contenedor Bbox, opcional: El cuadro dentro del cual Bboxse coloca; por defecto es el inicial Bbox.

Ver también

Axes.set_anchor

límites de propiedad #: Devolver ( x0, y0, width, height).

coefs = {'C': (0.5, 0.5), 'E': (1.0, 0.5), 'N': (0.5, 1.0), 'NE': (1.0, 1.0), 'NW': (0, 1.0), 'S': (0.5, 0), 'SE': (1.0, 0), 'SW': (0, 0), 'W': (0, 0.5)} #

contiene ( x , y ) [fuente] #: Devuelve si está en el cuadro delimitador o en su borde.(x, y)

contienex ( x ) [fuente] #: Devuelve si x está en el intervalo cerrado ( x0, ).x1

contiene ( y ) [fuente] #: Retorna si y está en el intervalo cerrado ( y0, ).y1

esquinas ( ) [fuente] #

Devuelve las esquinas de este rectángulo como una matriz de puntos.

Específicamente, esto devuelve la matriz .[[x0, y0], [x0, y1], [x1, y0], [x1, y1]]

count_contains ( vértices ) [fuente] #

Cuente el número de vértices contenidos en el Bbox. Cualquier vértice con un valor x o y no finito se ignora.

Parámetros :

vértices Nx2 Numpy array.

count_overlaps ( bboxes ) [fuente] #

Cuente el número de cuadros delimitadores que se superponen a este.

Parámetros :

secuencia de bboxes deBboxBase

expandido ( sw , sh ) [fuente] #: Construya a Bboxexpandiendo éste alrededor de su centro por los factores sw y sh .

extensiones de propiedad #: Devolver ( x0, y0, x1, y1).

congelado ( ) [fuente] #: La clase base para todo lo que participa en el árbol de transformación y necesita invalidar a sus padres o ser invalidado. Esto incluye clases que no son realmente transformaciones, como cuadros delimitadores, ya que algunas transformaciones dependen de cuadros delimitadores para calcular sus valores.

contiene completamente ( x , y ) [fuente] #: Devuelve si está en el cuadro delimitador, pero no en su borde.x, y

full_containsx ( x ) [fuente] #: Devuelve si x está en el intervalo abierto ( x0, ).x1

full_containsy ( y ) [fuente] #: Devuelve si y está en el intervalo abierto ( y0, ).y1

full_overlaps ( otro ) [fuente] #

Muestra si este cuadro delimitador se superpone con el otro cuadro delimitador, sin incluir los bordes.

Parámetros :

otroBboxBase

obtener_puntos ( ) [fuente] #

altura de la propiedad #: La altura (firmada) del cuadro delimitador.

intersección estática ( bbox1 , bbox2 ) [fuente] #: Devuelve la intersección de bbox1 y bbox2 si se cruzan, o Ninguno si no lo hacen.

propiedad intervalox #

El par de coordenadas x que definen el cuadro delimitador.

No se garantiza que esto se ordene de izquierda a derecha.

propiedad intervalo #

El par de coordenadas y que definen el cuadro delimitador.

No se garantiza que esto se ordene de abajo hacia arriba.

es_afín = Verdadero #

is_bbox = Verdadero #

número máximo de propiedad: La esquina superior derecha del cuadro delimitador.

número mínimo de propiedad: La esquina inferior izquierda del cuadro delimitador.

se superpone ( otro ) [fuente] #

Devuelve si este cuadro delimitador se superpone con el otro cuadro delimitador.

Parámetros :

otroBboxBase

propiedad p0 #

El primer par de coordenadas ( x , y ) que definen el cuadro delimitador.

No se garantiza que sea la esquina inferior izquierda (para eso, use min).

propiedad p1 #

El segundo par de coordenadas ( x , y ) que definen el cuadro delimitador.

No se garantiza que esta sea la esquina superior derecha (para eso, use max).

acolchado ( p ) [fuente] #: Construya a Bboxrellenando éste en los cuatro lados con p .

rotado ( radianes ) [fuente] #: Devuelve el cuadro delimitador alineado con los ejes que limita el resultado de rotarlo Bboxen un ángulo de radianes .

encogido ( mx , my ) [fuente] #: Devuelve una copia de Bbox, reducida por el factor mx en la dirección x y el factor my en la dirección y . La esquina inferior izquierda del cuadro permanece sin cambios. Normalmente , mx y my serán menores que 1, pero esto no se aplica.

shrunk_to_aspect ( box_aspect , contenedor = Ninguno , fig_aspect = 1.0 ) [fuente] #: Devuelva una copia de Bbox, reducida para que sea lo más grande posible mientras tenga la relación de aspecto deseada, box_aspect . Si las coordenadas del cuadro son relativas (es decir, fracciones de un cuadro más grande, como una figura), la relación de aspecto físico de esa figura se especifica con fig_aspect , de modo que box_aspect también se puede dar como una relación de las dimensiones absolutas, no las dimensiones relativas. .

tamaño de la propiedad #: El ancho y el alto (firmados) del cuadro delimitador.

splitx ( * argumentos ) [fuente] #: Devuelve una lista de nuevos Bboxobjetos formados al dividir el original con líneas verticales en posiciones fraccionarias dadas por args .

splity ( * argumentos ) [fuente] #: Devuelve una lista de nuevos Bboxobjetos formados al dividir el original con líneas horizontales en posiciones fraccionarias dadas por args .

transformado ( transformar ) [fuente] #: Construya a Bboxtransformando estáticamente este por transform .

traducido ( tx , ty ) [fuente] #: Construya a Bboxtraduciendo este por tx y ty .

unión estática ( bboxes ) [fuente] #: Devuelve un Bboxque contiene todos los bboxes dados .

ancho de propiedad #: El ancho (con signo) del cuadro delimitador.

propiedad x0 #

La primera del par de coordenadas x que definen el cuadro delimitador.

No se garantiza que sea menor que x1(para eso, use xmin).

propiedad x1 #

La segunda del par de coordenadas x que definen el cuadro delimitador.

No se garantiza que sea mayor que x0(para eso, use xmax).

propiedad xmax #: El borde derecho del cuadro delimitador.

propiedad xmin #: El borde izquierdo del cuadro delimitador.

propiedad y0 #

La primera del par de coordenadas y que definen el cuadro delimitador.

No se garantiza que sea menor que y1(para eso, use ymin).

propiedad y1 #

La segunda del par de coordenadas y que definen el cuadro delimitador.

No se garantiza que sea mayor que y0(para eso, use ymax).

propiedad ymax #: El borde superior del cuadro delimitador.

propiedad ymin #: El borde inferior del cuadro delimitador.

clase matplotlib.transforms. BboxTransform ( boxin , boxout , ** kwargs ) [fuente] #

Bases:Affine2DBase

BboxTransformtransforma linealmente puntos de uno Bboxa otro.

Cree una nueva BboxTransformque transforme linealmente los puntos de boxin a boxout .

__anotaciones__ = {} #

__init__ ( boxin , boxout , ** kwargs ) [fuente] #: Cree una nueva BboxTransformque transforme linealmente los puntos de boxin a boxout .

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

es_separable = Verdadero #: Verdadero si esta transformada es separable en las dimensiones x e y.

clase matplotlib.transforms. BboxTransformFrom ( boxin , ** kwargs ) [fuente] #

Bases:Affine2DBase

BboxTransformFromtransforma linealmente los puntos de un dado Bboxal cuadro delimitador de la unidad.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__init__ ( boxin , ** kwargs ) [fuente] #

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

es_separable = Verdadero #: Verdadero si esta transformada es separable en las dimensiones x e y.

clase matplotlib.transforms. BboxTransformTo ( boxout , ** kwargs ) [fuente] #

Bases:Affine2DBase

BboxTransformToes una transformación que transforma linealmente los puntos del cuadro delimitador de la unidad a un Bbox.

Cree una nueva BboxTransformToque transforme linealmente los puntos del cuadro delimitador de la unidad a boxout .

__anotaciones__ = {} #

__init__ ( boxout , ** kwargs ) [fuente] #: Cree una nueva BboxTransformToque transforme linealmente los puntos del cuadro delimitador de la unidad a boxout .

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

es_separable = Verdadero #: Verdadero si esta transformada es separable en las dimensiones x e y.

clase matplotlib.transforms. BboxTransformToMaxOnly ( boxout , ** kwargs ) [fuente] #

Bases:BboxTransformTo

BboxTransformToes una transformación que transforma linealmente los puntos del cuadro delimitador de la unidad en un dado Bboxcon una parte superior izquierda fija de (0, 0).

Cree una nueva BboxTransformToque transforme linealmente los puntos del cuadro delimitador de la unidad a boxout .

__anotaciones__ = {} #

__módulo__ = 'matplotlib.transforma' #

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

clase matplotlib.transforms. BlendedAffine2D ( x_transform , y_transform , ** kwargs ) [fuente] #

Bases: _BlendedMixin,Affine2DBase

Una transformación "combinada" utiliza una transformación para la dirección x y otra transformación para la dirección y .

Esta versión es una optimización para el caso en que ambas transformaciones secundarias sean de tipo Affine2DBase.

Cree una nueva transformación "combinada" usando x_transform para transformar el eje x y y_transform para transformar el eje y .

Tanto x_transform como y_transform deben ser transformaciones afines 2D.

Por lo general, no llamará a este constructor directamente, sino que usará la blended_transform_factoryfunción en su lugar, que puede determinar automáticamente qué tipo de transformación combinada crear.

__anotaciones__ = {} #

__init__ ( x_transform , y_transform , ** kwargs ) [fuente] #

Cree una nueva transformación "combinada" usando x_transform para transformar el eje x y y_transform para transformar el eje y .

Tanto x_transform como y_transform deben ser transformaciones afines 2D.

__módulo__ = 'matplotlib.transforma' #

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

es_separable = Verdadero #: Verdadero si esta transformada es separable en las dimensiones x e y.

clase matplotlib.transforms. BlendedGenericTransform ( x_transform , y_transform , ** kwargs ) [fuente] #

Bases: _BlendedMixin,Transform

Una transformación "combinada" utiliza una transformación para la dirección x y otra transformación para la dirección y .

Esta versión "genérica" puede manejar cualquier transformación secundaria dada en las direcciones x e y .

Cree una nueva transformación "combinada" usando x_transform para transformar el eje x y y_transform para transformar el eje y .

__anotaciones__ = {} #

__init__ ( x_transform , y_transform , ** kwargs ) [fuente] #

Cree una nueva transformación "combinada" usando x_transform para transformar el eje x y y_transform para transformar el eje y .

__módulo__ = 'matplotlib.transforma' #

contains_branch ( otro ) [fuente] #

Devuelve si la transformación dada es un subárbol de esta transformación.

Esta rutina utiliza la igualdad de transformación para identificar los subárboles, por lo que en muchas situaciones se utilizará el id del objeto.

Para el caso en que la transformación dada represente la totalidad de esta transformación, devuelve True.

profundidad de propiedad #: Devuelve el número de transformaciones que se han encadenado para formar esta instancia de Transform.

Nota

Para el caso especial de una transformación compuesta, se devuelve la profundidad máxima de las dos.

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

get_affine ( ) [fuente] #: Obtenga la parte afín de esta transformación.

propiedad tiene_inverso #

booleano(x) -> booleano

entrada_dims = 2 #: El número de dimensiones de entrada de esta transformación. Debe anularse (con números enteros) en la subclase.

invertida ( ) [fuente] #

Devuelve la transformación inversa correspondiente.

se sostienex == self.inverted().transform(self.transform(x))

El valor de retorno de este método debe tratarse como temporal. Una actualización a sí mismo no provoca una actualización correspondiente a su copia invertida.

propiedad es_afín #

booleano(x) -> booleano

es_separable = Verdadero #: Verdadero si esta transformada es separable en las dimensiones x e y.

salida_dims = 2 #: El número de dimensiones de salida de esta transformación. Debe anularse (con números enteros) en la subclase.

pass_through = Verdadero #: Si pass_through es True, todos los ancestros siempre serán invalidados, incluso si 'self' ya no es válido.

transform_non_affine ( puntos ) [fuente] #

Aplique solo la parte no afín de esta transformación.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente es equivalente a transform(values). En transformaciones afines, esto siempre es un no-op.

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

clase matplotlib.transforms. CompositeAffine2D ( a , b , ** kwargs ) [fuente] #

Bases:Affine2DBase

Una transformación compuesta formada aplicando transform a y luego transform b .

Esta versión es una optimización que maneja el caso en el que tanto a como b son afines 2D.

Cree una nueva transformación compuesta que sea el resultado de aplicar a y luego b .Affine2DBase Affine2DBase

Por lo general, no llamará a este constructor directamente, sino que lo escribirá , lo que elegirá automáticamente el mejor tipo de instancia de transformación compuesta para crear.a + b

__anotaciones__ = {} #

__init__ ( a , b , ** kwargs ) [fuente] #

Cree una nueva transformación compuesta que sea el resultado de aplicar a y luego b .Affine2DBase Affine2DBase

Por lo general, no llamará a este constructor directamente, sino que lo escribirá , lo que elegirá automáticamente el mejor tipo de instancia de transformación compuesta para crear.a + b

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

profundidad de propiedad #: Devuelve el número de transformaciones que se han encadenado para formar esta instancia de Transform.

Nota

Para el caso especial de una transformación compuesta, se devuelve la profundidad máxima de las dos.

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

clase matplotlib.transforms. CompositeGenericTransform ( a , b , ** kwargs ) [fuente] #

Bases:Transform

Una transformación compuesta formada aplicando transform a y luego transform b .

Esta versión "genérica" puede manejar dos transformaciones arbitrarias cualesquiera.

Cree una nueva transformación compuesta que sea el resultado de aplicar transform a y luego transform b .

Por lo general, no llamará a este constructor directamente, sino que lo escribirá , lo que elegirá automáticamente el mejor tipo de instancia de transformación compuesta para crear.a + b

__anotaciones__ = {} #

__eq__ ( otro ) [fuente] #: Devuelve self==value.

__hash__ = Ninguno #

__init__ ( a , b , ** kwargs ) [fuente] #

Cree una nueva transformación compuesta que sea el resultado de aplicar transform a y luego transform b .

Por lo general, no llamará a este constructor directamente, sino que lo escribirá , lo que elegirá automáticamente el mejor tipo de instancia de transformación compuesta para crear.a + b

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

profundidad de propiedad #: Devuelve el número de transformaciones que se han encadenado para formar esta instancia de Transform.

Nota

Para el caso especial de una transformación compuesta, se devuelve la profundidad máxima de las dos.

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

get_affine ( ) [fuente] #: Obtenga la parte afín de esta transformación.

propiedad tiene_inverso #

booleano(x) -> booleano

invertida ( ) [fuente] #

Devuelve la transformación inversa correspondiente.

se sostienex == self.inverted().transform(self.transform(x))

El valor de retorno de este método debe tratarse como temporal. Una actualización a sí mismo no provoca una actualización correspondiente a su copia invertida.

propiedad es_afín #

booleano(x) -> booleano

la propiedad es_separable #

booleano(x) -> booleano

pass_through = Verdadero #: Si pass_through es True, todos los ancestros siempre serán invalidados, incluso si 'self' ya no es válido.

transform_affine ( puntos ) [fuente] #

Aplique solo la parte afín de esta transformación en la matriz de valores dada.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente no es operativo. En transformaciones afines, esto es equivalente a transform(values).

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_non_affine ( puntos ) [fuente] #

Aplique solo la parte no afín de esta transformación.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente es equivalente a transform(values). En transformaciones afines, esto siempre es un no-op.

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_path_non_affine ( ruta ) [fuente] #

Aplique la parte no afín de esta transformación a path , devolviendo un nuevo .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

clase matplotlib.transforms. IdentityTransform ( * argumentos , ** kwargs ) [fuente] #

Bases:Affine2DBase

Una clase especial que hace una cosa, la transformación de identidad, de forma rápida.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

get_affine ( ) [fuente] #: Obtenga la parte afín de esta transformación.

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

invertida ( ) [fuente] #

Devuelve la transformación inversa correspondiente.

se sostienex == self.inverted().transform(self.transform(x))

El valor de retorno de este método debe tratarse como temporal. Una actualización a sí mismo no provoca una actualización correspondiente a su copia invertida.

transformar ( puntos ) [fuente] #

Aplique esta transformación en la matriz de valores dada .

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_affine ( puntos ) [fuente] #

Aplique solo la parte afín de esta transformación en la matriz de valores dada.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente no es operativo. En transformaciones afines, esto es equivalente a transform(values).

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_non_affine ( puntos ) [fuente] #

Aplique solo la parte no afín de esta transformación.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente es equivalente a transform(values). En transformaciones afines, esto siempre es un no-op.

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_path ( ruta ) [fuente] #

Aplique la transformación a la ruta , devolviendo una nueva .Path Path

En algunos casos, esta transformación puede insertar curvas en la ruta que comenzó como segmentos de línea.

transform_path_affine ( ruta ) [fuente] #

Aplique la parte afín de esta transformación a la ruta , devolviendo una nueva .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( ruta ) [fuente] #

Aplique la parte no afín de esta transformación a path , devolviendo un nuevo .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

clase matplotlib.transforms. LockableBbox ( bbox , x0 = Ninguno , y0 = Ninguno , x1 = Ninguno , y1 = Ninguno , ** kwargs ) [fuente] #

Bases:BboxBase

A Bboxdonde algunos elementos pueden estar bloqueados en ciertos valores.

Cuando el cuadro delimitador secundario cambia, los límites de este bbox se actualizarán en consecuencia con la excepción de los elementos bloqueados.

Parámetros :

bboxBbox: El cuadro delimitador secundario para envolver.
x0 flotante o Ninguno: El valor bloqueado para x0, o Ninguno para dejarlo desbloqueado.
y0 flotante o Ninguno: El valor bloqueado para y0, o Ninguno para dejarlo desbloqueado.
x1 flotante o Ninguno: El valor bloqueado para x1, o Ninguno para dejarlo desbloqueado.
y1 flotante o Ninguno: El valor bloqueado para y1, o Ninguno para dejarlo desbloqueado.

__anotaciones__ = {} #

__init__ ( bbox , x0 = Ninguno , y0 = Ninguno , x1 = Ninguno , y1 = Ninguno , ** kwargs ) [fuente] #

Parámetros :

bboxBbox: El cuadro delimitador secundario para envolver.
x0 flotante o Ninguno: El valor bloqueado para x0, o Ninguno para dejarlo desbloqueado.
y0 flotante o Ninguno: El valor bloqueado para y0, o Ninguno para dejarlo desbloqueado.
x1 flotante o Ninguno: El valor bloqueado para x1, o Ninguno para dejarlo desbloqueado.
y1 flotante o Ninguno: El valor bloqueado para y1, o Ninguno para dejarlo desbloqueado.

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

obtener_puntos ( ) [fuente] #

propiedad bloqueada_x0 #: float o None: el valor utilizado para el x0 bloqueado.

propiedad bloqueada_x1 #: float o None: el valor utilizado para el x1 bloqueado.

propiedad bloqueada_y0 #: float o None: el valor utilizado para el y0 bloqueado.

propiedad bloqueada_y1 #: float o None: el valor utilizado para el y1 bloqueado.

clase matplotlib.transforms. ScaledTranslation ( xt , yt , scale_trans , ** kwargs ) [fuente] #

Bases:Affine2DBase

Una transformación que se traduce por xt e yt , después de que xt e yt hayan sido transformados por scale_trans .

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__anotaciones__ = {} #

__init__ ( xt , yt , scale_trans , ** kwargs ) [fuente] #

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

clase matplotlib.transforms. Transformar ( shorthand_name = Ninguno ) [fuente] #

Bases:TransformNode

La clase base de todas las TransformNodeinstancias que realmente realizan una transformación.

Todas las transformaciones no afines deben ser subclases de esta clase. Las nuevas transformaciones afines deben ser subclases de Affine2D.

Las subclases de esta clase deben anular los siguientes miembros (como mínimo):

input_dims
output_dims
transform()
inverted()(si existe una inversa)

Los siguientes atributos pueden anularse si el valor predeterminado no es adecuado:

is_separable(el valor predeterminado es Verdadero para transformaciones 1D -> 1D, falso en caso contrario)
has_inverse(el valor predeterminado es Verdadero si inverted()se anula, Falso de lo contrario)

Si la transformación necesita hacer algo no estándar con los matplotlib.path.Pathobjetos, como agregar curvas donde alguna vez hubo segmentos de línea, debe anularse:

transform_path()

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__add__ ( otro ) [fuente] #

Componga dos transformaciones juntas para que a self le siga otro .

A + Bdevuelve una transformación Cpara que .C.transform(x) == B.transform(A.transform(x))

__anotaciones__ = {} #

__array__ ( * argumentos , ** kwargs ) [fuente] #: Interfaz de matriz para llegar a la matriz afín de este Transform.

método de clase __init_subclass__ ( ) [ fuente] #

Este método se llama cuando una clase se subclasifica.

La implementación predeterminada no hace nada. Puede anularse para extender subclases.

__módulo__ = 'matplotlib.transforma' #

__sub__ ( otro ) [fuente] #

Componer self con el inverso de other , cancelando términos idénticos si los hay:

# In general:
A - B == A + B.inverted()
# (but see note regarding frozen transforms below).

# If A "ends with" B (i.e. A == A' + B for some A') we can cancel
# out B:
(A' + B) - B == A'

# Likewise, if B "starts with" A (B = A + B'), we can cancel out A:
A - (A + B') == B'.inverted() == B'^-1

La cancelación (en lugar de devolver ingenuamente ) es importante por varias razones:A + B.inverted()

Evita imprecisiones de coma flotante al calcular el inverso de B: se garantiza que se cancelará exactamente (lo que resulta en la transformación de identidad), mientras que puede diferir en un pequeño épsilon.B - BB + B.inverted()
B.inverted()siempre devuelve una transformación congelada: si uno calcula y luego muta , entonces no se actualizará y los dos últimos términos ya no se cancelarán; por otro lado, siempre será igual a aunque esté mutado.A + B + B.inverted()BB.inverted()A + B - BAB

contains_branch ( otro ) [fuente] #

Devuelve si la transformación dada es un subárbol de esta transformación.

Esta rutina utiliza la igualdad de transformación para identificar los subárboles, por lo que en muchas situaciones se utilizará el id del objeto.

Para el caso en que la transformación dada represente la totalidad de esta transformación, devuelve True.

contiene_sucursal_por separado ( otra_transformación ) [fuente] #

Devuelve si la rama dada es un subárbol de esta transformación en cada dimensión separada.

Un uso común de este método es identificar si una transformación es una transformación combinada que contiene una transformación de datos de Axes. p.ej:

x_isdata, y_isdata = trans.contains_branch_seperately(ax.transData)

profundidad de propiedad #: Devuelve el número de transformaciones que se han encadenado para formar esta instancia de Transform.

Nota

Para el caso especial de una transformación compuesta, se devuelve la profundidad máxima de las dos.

get_affine ( ) [fuente] #: Obtenga la parte afín de esta transformación.

get_matrix ( ) [fuente] #: Obtenga la matriz para la parte afín de esta transformación.

tiene_inverso = Falso #: Verdadero si esta transformada tiene una transformada inversa correspondiente.

input_dims = Ninguno #: El número de dimensiones de entrada de esta transformación. Debe anularse (con números enteros) en la subclase.

invertida ( ) [fuente] #

Devuelve la transformación inversa correspondiente.

se sostienex == self.inverted().transform(self.transform(x))

El valor de retorno de este método debe tratarse como temporal. Una actualización a sí mismo no provoca una actualización correspondiente a su copia invertida.

es_separable = Falso #: Verdadero si esta transformada es separable en las dimensiones x e y.

salida_dims = Ninguno #: El número de dimensiones de salida de esta transformación. Debe anularse (con números enteros) en la subclase.

transformar ( valores ) [fuente] #

Aplique esta transformación en la matriz de valores dada .

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_affine ( valores ) [fuente] #

Aplique solo la parte afín de esta transformación en la matriz de valores dada.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente no es operativo. En transformaciones afines, esto es equivalente a transform(values).

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_angles ( ángulos , pts , radianes = Falso , pushoff = 1e-05 ) [fuente] #

Transforme un conjunto de ángulos anclados en ubicaciones específicas.

Parámetros :

ángulos (N,) en forma de matriz: Los ángulos a transformar.
pts (N, 2) en forma de matriz: Los puntos donde se anclan los ángulos.
radianes bool, por defecto: Falso: Si los ángulos son radianes o grados.
flotador de empuje: Para cada punto en pts y ángulo en angles , el ángulo transformado se calcula transformando un segmento de longitud que comienza en ese punto y haciendo que el ángulo sea relativo al eje horizontal, y midiendo el ángulo entre el eje horizontal y el segmento transformado.

Devoluciones :

(N,) matriz

transform_bbox ( bbox ) [fuente] #

Transforme el cuadro delimitador dado.

Para transformaciones más inteligentes, incluido el almacenamiento en caché (un requisito común en Matplotlib), consulte TransformedBbox.

transform_non_affine ( valores ) [fuente] #

Aplique solo la parte no afín de esta transformación.

transform(values)siempre es equivalente a transform_affine(transform_non_affine(values)).

En transformaciones no afines, esto generalmente es equivalente a transform(values). En transformaciones afines, esto siempre es un no-op.

Parámetros :

matriz de valores: Los valores de entrada como matriz NumPy de longitud input_dimso forma (N x input_dims).

Devoluciones :

formación: Los valores de salida como matriz NumPy de longitud output_dimso forma (N x output_dims), según la entrada.

transform_path ( ruta ) [fuente] #

Aplique la transformación a la ruta , devolviendo una nueva .Path Path

En algunos casos, esta transformación puede insertar curvas en la ruta que comenzó como segmentos de línea.

transform_path_affine ( ruta ) [fuente] #

Aplique la parte afín de esta transformación a la ruta , devolviendo una nueva .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( ruta ) [fuente] #

Aplique la parte no afín de esta transformación a path , devolviendo un nuevo .Path Path

transform_path(path)es equivalente a transform_path_affine(transform_path_non_affine(values)).

transform_point ( punto ) [fuente] #

Devuelve un punto transformado.

Esta función solo se mantiene por retrocompatibilidad; el método más general transformes capaz de transformar tanto una lista de puntos como un solo punto.

El punto se da como una secuencia de longitud input_dims. El punto transformado se devuelve como una secuencia de longitud output_dims.

clase matplotlib.transforms. TransformNode ( shorthand_name = Ninguno ) [fuente] #

Bases:object

La clase base para todo lo que participa en el árbol de transformación y necesita invalidar a sus padres o ser invalidado. Esto incluye clases que no son realmente transformaciones, como cuadros delimitadores, ya que algunas transformaciones dependen de cuadros delimitadores para calcular sus valores.

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

NO VÁLIDO = 3 #

INVALID_AFFINE = 2 #

INVALID_NON_AFFINE = 1 #

__anotaciones__ = {} #

__copia__ ( ) [fuente] #

__dict__ = mappingproxy({'__module__': 'matplotlib.transforms', '__doc__': '\n La clase base para todo lo que participa en el árbol de transformación \n y necesita invalidar a sus padres o ser invalidado. Esto incluye\n clases que no son realmente transformaciones, como cuadros delimitadores , ya que algunas\n transformaciones dependen de delimitaciones casillas para calcular sus valores.\n ', 'INVALID_NON_AFFINE': 1, 'INVALID_AFFINE': 2, 'INVALID': 3, 'is_affine': False, 'is_bbox': False, 'pass_through': False, '__init__': <función TransformNode.__init__>, '__getstate__': <función TransformNode.__getstate__>, '__setstate__': <función TransformNode.__setstate__>, '__copy__': <función TransformNode.__copy__>, 'invalidate': <función TransformNode.invalidate>, '_invalidate_internal': <función TransformNode._invalidate_internal>, 'set_children': <función TransformNode.set_children>, 'frozen': <función TransformNode.frozen>, '__dict__': <atributo '__dict__' de los objetos 'TransformNode' >, '__weakref__': < atributo '__weakref__' de los objetos 'TransformNode' >, '__annotations__': {}}) #

__getstate__ ( ) [fuente] #

__init__ ( nombre_abreviado = Ninguno ) [fuente] #

Parámetros :

nombre_abreviado str: Una cadena que representa el "nombre" de la transformación. El nombre no tiene otro significado que el de mejorar la legibilidad str(transform)cuando DEBUG=True.

__módulo__ = 'matplotlib.transforma' #

__setstate__ ( dict_datos ) [fuente] #

__ref__ débil #: lista de referencias débiles al objeto (si está definido)

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

invalidar ( ) [fuente] #: Invalide esto TransformNodey desencadena una invalidación de sus ancestros. Debe llamarse cada vez que cambie la transformación.

es_afín = Falso #

is_bbox = Falso #

pass_through = Falso #: Si pass_through es True, todos los ancestros siempre serán invalidados, incluso si 'self' ya no es válido.

set_child ( * niños ) [fuente] #: Establezca los elementos secundarios de la transformación para que el sistema de invalidación sepa qué transformaciones pueden invalidar esta transformación. Debe llamarse desde el constructor de cualquier transformación que dependa de otras transformaciones.

clase matplotlib.transforms. TransformWrapper ( hijo ) [fuente] #

Bases:Transform

Una clase auxiliar que contiene una sola transformación secundaria y actúa de manera equivalente a ella.

Esto es útil si un nodo del árbol de transformación debe reemplazarse en tiempo de ejecución con una transformación de un tipo diferente. Esta clase permite que ese reemplazo desencadene correctamente la invalidación.

TransformWrapperlas instancias deben tener las mismas dimensiones de entrada y salida durante toda su vida útil, por lo que la transformación secundaria solo se puede reemplazar con otra transformación secundaria de las mismas dimensiones.

niño : Una Transforminstancia. Este niño puede ser reemplazado más tarde por set().

__anotaciones__ = {} #

__eq__ ( otro ) [fuente] #: Devuelve self==value.

__hash__ = Ninguno #

__init__ ( hijo ) [fuente] #: niño : Una Transforminstancia. Este niño puede ser reemplazado más tarde por set().

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

congelado ( ) [fuente] #: Devuelve una copia congelada de este nodo de transformación. La copia congelada no se actualizará cuando cambien sus elementos secundarios. Útil para almacenar un estado previamente conocido de una transformación donde copy.deepcopy()podría usarse normalmente.

propiedad tiene_inverso #

booleano(x) -> booleano

propiedad es_afín #

booleano(x) -> booleano

la propiedad es_separable #

booleano(x) -> booleano

pass_through = Verdadero #: Si pass_through es True, todos los ancestros siempre serán invalidados, incluso si 'self' ya no es válido.

conjunto ( hijo ) [fuente] #

Reemplace el elemento secundario actual de esta transformación con otro.

El nuevo hijo debe tener el mismo número de dimensiones de entrada y salida que el hijo actual.

clase matplotlib.transforms. TransformedBbox ( bbox , transform , ** kwargs ) [fuente] #

Bases:BboxBase

que se transforma automáticamente mediante una Bboxtransformación determinada. Cuando el cuadro delimitador secundario o la transformación cambien, los límites de este bbox se actualizarán en consecuencia.

Parámetros :

bboxBbox
transformarTransform

__anotaciones__ = {} #

__init__ ( bbox , transform , ** kwargs ) [fuente] #

Parámetros :

bboxBbox
transformarTransform

__módulo__ = 'matplotlib.transforma' #

__str__ ( ) [fuente] #: Retorna str(auto).

obtener_puntos ( ) [fuente] #

clase matplotlib.transforms. TransformedPatchPath ( parche ) [fuente] #

Bases:TransformedPath

A TransformedPatchPathalmacena en caché una copia transformada no afín del archivo Patch. Esta copia en caché se actualiza automáticamente cuando cambia la parte no afín de la transformación o el parche.

Parámetros :

parchePatch

__anotaciones__ = {} #

__init__ ( parche ) [fuente] #

Parámetros :

parchePatch

__módulo__ = 'matplotlib.transforma' #

clase matplotlib.transforms. TransformedPath ( ruta , transformación ) [fuente] #

Bases:TransformNode

A TransformedPathalmacena en caché una copia transformada no afín del archivo Path. Esta copia en caché se actualiza automáticamente cuando cambia la parte no afín de la transformación.

Nota

Esta clase considera que las rutas son inmutables. Cualquier actualización de los vértices/códigos de la ruta no desencadenará un recálculo de transformación.

Parámetros :

senderoPath
transformarTransform

__anotaciones__ = {} #

__init__ ( ruta , transformar ) [fuente] #

Parámetros :

senderoPath
transformarTransform

__módulo__ = 'matplotlib.transforma' #

get_affine ( ) [fuente] #

get_fully_transformed_path ( ) [fuente] #: Devuelve una copia completamente transformada de la ruta secundaria.

get_transformed_path_and_affine ( ) [fuente] #: Devuelva una copia de la ruta secundaria, con la parte no afín de la transformación ya aplicada, junto con la parte afín de la ruta necesaria para completar la transformación.

get_transformed_points_and_affine ( ) [fuente] #: Devuelva una copia de la ruta secundaria, con la parte no afín de la transformación ya aplicada, junto con la parte afín de la ruta necesaria para completar la transformación. A diferencia get_transformed_path_and_affine()de , no se realizará ninguna interpolación.

matplotlib.transforma. blended_transform_factory ( x_transform , y_transform ) [fuente] #

Cree una nueva transformación "combinada" usando x_transform para transformar el eje x y y_transform para transformar el eje y .

Se devuelve una versión más rápida de la transformación combinada para el caso en que ambas transformaciones secundarias sean afines.

matplotlib.transforma. composite_transform_factory ( a , b ) [fuente] #

Cree una nueva transformación compuesta que sea el resultado de aplicar la transformación a y luego la transformación b.

Se proporcionan versiones abreviadas de la transformación combinada para el caso en que ambas transformaciones secundarias sean afines, o una u otra sea la transformación de identidad.

Las transformaciones compuestas también se pueden crear usando el operador '+', por ejemplo:

c = a + b

matplotlib.transforma. interval_contains ( intervalo , val ) [fuente] #

Comprueba, inclusive, si un intervalo incluye un valor dado.

Parámetros :

intervalo (flotante, flotante): Los extremos del intervalo.
valor flotante: El valor a verificar está dentro del intervalo.

Devoluciones :

bool: Si val está dentro del intervalo .

matplotlib.transforma. intervalo_contiene_abierto ( intervalo , valor ) [fuente] #

Comprobar, excluyendo puntos finales, si un intervalo incluye un valor dado.

Parámetros :

intervalo (flotante, flotante): Los extremos del intervalo.
valor flotante: El valor a verificar está dentro del intervalo.

Devoluciones :

bool: Si val está dentro del intervalo .

matplotlib.transforma. no singular ( vmin , vmax , expansor = 0.001 , diminuto = 1e-15 , creciente = Verdadero ) [fuente] #

Modifique los extremos de un rango según sea necesario para evitar singularidades.

Parámetros :

flotante vmin, vmax: Los puntos finales iniciales.
Flotación del expansor , por defecto: 0.001: Cantidad fraccionaria por la que se expanden vmin y vmax si el intervalo original es demasiado pequeño, basado en tiny .
pequeño flotador, predeterminado: 1e-15: Umbral de la relación entre el intervalo y el valor absoluto máximo de sus extremos. Si el intervalo es más pequeño que esto, se expandirá. Este valor debe estar alrededor de 1e-15 o mayor; de lo contrario, el intervalo se acercará al límite de resolución de doble precisión.
Bool creciente , por defecto: True: Si es verdadero, intercambie vmin , vmax si vmin > vmax .

Devoluciones :

flotante vmin, vmax: Puntos finales, ampliados y/o intercambiados si es necesario. Si cualquiera de las entradas es inf o NaN, o si ambas entradas son 0 o muy cercanas a cero, devuelve - expander , expander .

matplotlib.transforma. offset_copy ( trans , fig = Ninguno , x = 0.0 , y = 0.0 , unidades = 'pulgadas' ) [fuente] #

Devuelve una nueva transformación con un desplazamiento agregado.

Parámetros :

subclase transTransform: Cualquier transformación, a la que se aplicará el desplazamiento.
higo Figure, por defecto: Ninguno: figura actual. Puede ser Ninguno si las unidades son 'puntos'.
x, y flotante, por defecto: 0.0: El desplazamiento a aplicar.
unidades {'pulgadas', 'puntos', 'puntos'}, por defecto: 'pulgadas': Unidades del desplazamiento.

Devoluciones :

Transformsubclase: Transformar con desplazamiento aplicado.

matplotlib.transforms#

`matplotlib.transforms`#